18 lines
847 B
Python
18 lines
847 B
Python
|
"""
|
|||
|
|
|
|||
|
|
EPSANet: An Efficient Pyramid Split Attention Block on Convolutional Neural Network---arXiv 2021.05.30
|
|||
|
|
|
|||
|
|
论文地址：https://arxiv.org/pdf/2105.14447.pdf
|
|||
|
|
这是深大5月30日在arXiv上上传的一篇文章，本文的目的是如何获取并探索不同尺度的空间信息来丰富特征空间。网络结构相对来说也比较简单，主要分成四步，
|
|||
|
|
第一步，将原来的feature根据通道分成n组然后对不同的组进行不同尺度的卷积，得到新的特征W1；
|
|||
|
|
第二步，用SE在原来的特征上进行SE，从而获得不同的阿头疼托尼；
|
|||
|
|
第三步，对不同组进行SOFTMAX；
|
|||
|
|
第四步，将获得attention与原来的特征W1相乘。
|
|||
|
|
"""
|
|||
|
|
from attention.PSA import PSA
|
|||
|
|
import torch
|
|||
|
|
|
|||
|
|
input = torch.randn(50, 512, 7, 7)
|
|||
|
|
psa = PSA(channel=512, reduction=8)
|
|||
|
|
output = psa(input)
|
|||
|
|
print(output.shape)
|